淋巴静脉吻合联合多奈哌齐对比多奈哌齐单药治疗阿尔茨海默病的疗效研究
该数据集来自 clinicaltrials.gov,主题为阿尔茨海默病,属于神经系统疾病范畴。研究采用多中心随机对照试验设计,评估深部颈部淋巴/淋巴结-静脉吻合联合口服多奈哌齐与多奈哌齐单药治疗阿尔茨海默病伴中度痴呆患者的疗效与安全性

基本信息
资源简介
淋巴静脉吻合联合多奈哌齐对比多奈哌齐单药治疗阿尔茨海默病的疗效研究
该数据集来自 clinicaltrials.gov,主题为阿尔茨海默病,属于神经系统疾病范畴。研究采用多中心随机对照试验设计,评估深部颈部淋巴/淋巴结-静脉吻合联合口服多奈哌齐与多奈哌齐单药治疗阿尔茨海默病伴中度痴呆患者的疗效与安全性。受试者通过中央随机化系统按分层区组设计随机分组,以研究中心和年龄组(50-64岁、65-80岁)为分层因素。由于干预性质,受试者和手术研究者无法设盲,但疗效评估者和影像学专家保持设盲。可用于比较联合治疗与单药治疗的疗效与安全性(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Alzheimer s Disease. 本研究采用多中心、随机对照试验(RCT)设计,评估深部颈部淋巴/淋巴结-静脉吻合联合口服多奈哌齐与多奈哌齐单药治疗阿尔茨海默病伴中度痴呆患者的疗效与安全性。受试者通过中央随机化系统按分层区组设计进行随机分组,以研究中心和年龄组(50-64岁、65-80岁)作为分层因素。由于干预的性质,研究受试者和手术研究者无法设盲,但疗效评估者和影像学专家保持设盲,以确保结果的客观性和可靠性。干预组接受深部颈部淋巴/淋巴结-静脉吻合(详细手术步骤在方案中规定)联合
【主题与分类】
主题标签:Alzheimer s Disease。本站分类:神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07680660
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://clinicaltrials.gov/study/NCT07680660
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
条件:阿尔茨海默病。本研究采用多中心、随机对照试验(RCT)设计,旨在评估深部颈淋巴/淋巴结-静脉吻合术联合口服多奈哌齐与单用多奈哌齐治疗阿尔茨海默病伴中度痴呆患者的疗效和安全性。参与者通过中央随机化系统采用分层区组设计进行随机分组,以研究中心和年龄组(50-64岁、65-80岁)作为分层因素。由于干预措施的性质,研究参与者和手术研究者无法设盲,但疗效评估者和影像学专家保持设盲,以确保研究结果的客观性和可靠性。干预组接受深部颈淋巴/淋巴结-静脉吻合术(详细手术步骤见方案)联合口服多奈哌齐(5-10 mg/天),对照组仅接受口服多奈哌齐。总治疗和随访期为18个月,在基线、术后1周、1、3、6、12和18个月进行评估。
这些评估包括神经心理学评估(MMSE、MoCA、CDR、BADL、IADL、NPI、AES)、神经影像学检查(MRI、PET、超声)、体液生物标志物分析(脑脊液和血液中的Aβ、Tau、神经炎症因子等水平)以及安全性监测。主要疗效终点为治疗后12个月时CDR-SB评分的变化。次要终点包括18个月时多个认知量表、神经影像学指标和生物标志物的变化。安全性指标涵盖不良事件记录、生命体征和实验室检查。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




